1 功能組成

1.1 數據接入

DMP需要具備從各個數據源接入數據的能力，數據源決定了平台的價值。數據可以是第一方數據，即從自己公司的網站或者APP的用戶行為數據，或者從CRM和其他業務系統導入；也可以是第三方的數據，例如從外部的DMP平台接入。第三方的數據可以彌補第一方數據的不足，讓數據更全面豐富。

DMP需要設計的盡量靈活，隨著平台的不斷發展，可能需要快速接入更多的數據源。

1.2 數據清洗

DMP需要支持實時和離線數據的處理，實時處理往往為了提高時效性，實時的機器學習演算法運用非常常見。

DMP的接入的數據格式可能各式各樣，不同的來源往往差異非常大，可能是結構化，也可能是非結構化的數據，DMP需要有處理這些異構數據的能力，並且在數據的不斷變化時，能夠很快適應。

當用戶的數據來自多方，可能需要ID Linking，將不同來源的數據匹配起來，一方面可以形成更完整的數據，另外可以去除一些冗餘。

另外，還需要對用戶數據做一些隱私保護，例如差分隱私、同態加密等等。

1.3 數據存儲

存儲層一般按數據倉庫架構來搭建，分成ODS層、DW層、DM層。ODS層為貼源層，存放原始數據，經過一定的清洗匯總進入DW層，最後根據具體應用的不同，DW層的數據進入到劃分了各個應用主題域數據集市DM層中。

1.4 人群分類

人群分類有兩種方式，一是通過建立一些行為規則，將人群劃分到不同的分類中，例如瀏覽過XX商品的人群，劃分到XX意向人群；二是演算法建模劃分人群，例如廣告推薦中常用的Look alike演算法，通過種子人群數據去找到 相似人群。人群準確得劃分有助於上層應用做一些推薦或者定向。

1.5 數據質量

數據多但不一定都是有效的，需要對數據進行評價打分，通過數據的評價方便對數據的價值進行衡量，便於後續數據交易定價。另外需要建立數據的監控機制，對流入到平台的數據進行監控。

2 應用場景

現在基於AI的智能產品越來越多，也進一步放大數據平台的價值，如今數據平台不再是以往出報表的工具了。數據平台的應用場景很多，見上圖，就不一一贅述了。

3 競品參考

國外的廣告行業發展較早，市場上也有許多成熟的商業DMP產品： Lotame, Oracle DMP, Salesforce DMP, Adobe Audience Manager，相比在國內，較有名的是TalkingData、品友、秒針、百分點等。

4、發展現狀

目前越來越多的公司意識到DMP在營銷中的價值，近兩年搭建私有化DMP的趨勢較為明顯。但對於供應商而言，這一塊市場競爭較為激烈，而且私有化產品的定製程度高，供應商往往需要投入大量的人力。

參考文獻

1、https://www.linkedin.com/pulse/how-build-good-dmp-platform-dan-zhang
2、https://www.democraticmedia.org/sites/default/files/p850-elmeleegy.pdf
3、https://www.trustradius.com/data-management-platforms-dmp
4、https://www.drawbridge.com/identity-platform
5、http://www.cctime.com/html/2016-8-8/1204143.htm/
6、https://www.lotame.com/resource/what-is-first-party-data/
7、http://www.adquan.com/post-5-30686.html
8、http://mt.sohu.com/20161021/n470943870.shtml
9、http://www.woshipm.com/user-research/436269.html

推薦閱讀：